Hvad er Neural Learning?

Neural læring er baseret på troen på, at hjernen fungerer som en computer, når den behandler ny information. Dataindtastning, organisering og hentning er primære overvejelser. Det biologiske grundlag for neurale læring er et neuralt system, der refererer til den indbyrdes forbundne struktur i hjerneceller. Denne forståelse af forholdet mellem hjernestruktur og funktion er blevet anvendt til at udvikle bedre lærings- og hukommelsesopbevaringskoncepter. Rammerne tjener også som basis for kunstige neurale netværkssystemer.

I henhold til den neurale læringsmodel kommer information først ind i hjernen gennem dataindtastning. Hjernen skal derefter gemme disse oplysninger og kombinere dem med allerede nuværende information via dataorganisation. Det sidste trin er dataindhentning, hvor hjernen udvikler systemer til at tage gemt information fra sindet og bruge dem. Neural læring henviser således til disse kollektive processer, hvor hjernen samler, lagrer og bruger information, der er opnået gennem livserfaringer. Undertiden bliver læringsprocesser så kodet i hjernen, at informationsindhentning sker næsten automatisk, som i truende situationer.

Hukommelse er derfor et vigtigt begreb i neural læring, ligesom det er med computere. Effektiv kodning af information kan hjælpes med mnemoniske teknikker. Disse metoder involverer at huske store bunker af information via hukommelsestegn. For eksempel kan en person forsøge at lære en lang række ord ved at oprette en sætning, hvor hvert ord indeholder det første bogstav i hvert ord på listen. En anden tilgang kan involvere oprettelse af et fantasifuldt visuelt billede, der repræsenterer et ord. Denne fremgangsmåde er almindelig ved memorering af komplekse oplysninger som medicinske termer.

Mnemoniske enheder er ofte afhængige af et andet vigtigt koncept i neural læring: den type læringstil, som en hjerne er mest kabelført til at implementere. Nogle personer er dygtigere med visuelle læringsmetoder, mens andre fungerer bedre, når læringen er mere læsning eller ordbaseret. Andre tilgange kan omfatte auditiv læring og anvendt kooperativ læring.

Nogle lærere i neural læring omfavner en holistisk tilgang til læring. Med andre ord bør individer overveje ideer og begreber på en naturalistisk måde snarere end at stole på rote-læringsmetoder, der understreger specifikke og isolerede fakta. Bemærkninger kan således bestå af en trælignende tilgang, hvor koncepter forgrener sig fra hinanden og enkeltpersoner skaber deres egne unikke assosiationer for at størkne begreber i deres hukommelse.

Overførsel og opbevaring af information sker mellem netværk af neuroner eller hjerneceller. Neurale netværk er også grundlaget for meget kunstig intelligens. Faktisk henviser neurale læring undertiden til metoderne til kunstig intelligensdesign, der efterligner menneskelige neurale strukturer. Sådanne neurale netværk har vist sig nyttige i adskillige komplekse maskinepræstationsarenaer, der spænder fra talegenkendelse til implementering af kontroller til robotter.

Til disse metoder er de kunstige små strukturer, der er mønstre efter humane neuroner, kendt som enheder eller knudepunkter. Ligesom neuroner er disse enheder programmeret til at modtage indgående information eller input, og også til at transmittere information eller output. I kunstige intelligensmaskiner forbindes input- og outputkomponenter gentagne gange, så der oprettes foreninger inden for det kunstige intelligenssystem. Disse dannede foreninger udgør neural læring for systemet, og - ligesom menneskelig læring - kan foreningerne styrkes, når de kodes og gemmes. Forstærkningen sker via indlæringsregler eller vægtede målinger og matematiske neurale algoritmer.